在 AI 智能体全面普及的今天，单个人借助 AI 工具，能否实现过去整个专业团队才能完成的开发工作量？YC 总裁 Garry Tan 在 Lightcone 播客中的对话，用自己全职工作之余的亲身实践，证明了一件颠覆行业认知的事情：在 AI 的加持下，他个人的代码产出效率达到了 2013 年全职写代码时的 400 倍。而支撑这一切的核心，正是 Token 最大化（Tokenmaxxing）理念，以及他开发的 GStack 全新人机协作工作流。

驾驭工具：从驾驶员到机械师

对话伊始，Garry Tan 抛出了一个核心追问：在 AI 时代，究竟是你掌控 AI 工具，还是工具反客为主掌控了你？

他用了一个精准的比喻：如今使用 OpenClaw 等 AI 智能体工具，就像驾驶一辆顶级的法拉利跑车。它能带来极致的性能，提供人类难以构思的解决方案，但同时也极易出现故障。如果你只是一个只会踩油门的驾驶员，没有排查故障的能力，它会在关键时刻抛锚。因此，使用 AI 的核心不在于指令的输入与输出，而在于必须成为能打开引擎盖、排查逻辑故障的“机械师”。这意味着开发者必须深入掌握提示词编写逻辑与模型的底层运行原理，掌控底层能力，而非被工具的局限性所拖累。

Token 最大化：人机协作的底层哲学

Garry Tan 重构了其早期的创业项目 Posterous，诞生了 Garry's List。对比数据极为震撼：第一次开发 Posterous 时，团队七人耗时一年半；而此次重构，Garry Tan 仅一人耗时 5 天，成本极低。该平台集成了 RAG（检索增强生成）与智能体检索，不仅是博客工具，更是一个具备深度调研与逻辑生成的智能体。

支撑这种颠覆性效率的，是他提出的“Token 最大化”哲学，也被称为“煮沸海洋（Boil the Ocean）”：

• 彻底覆盖：人类因为精力和时间的有限性，被迫简化流程、减少信源，而 AI 智能体没有此限制。我们应不计成本地把海量的调研和交叉比对工作交给 AI，大胆消耗 Token 与算力，换取成果的极致完整与深度。
• 分工重构：Token 最大化并非淘汰人类，而是重新划分分工。机器负责处理海量数据与重复性劳动，人类负责提出需求、赋予能动性并把控核心方向。

GStack 工作流：从计划到完美交付

在实践中，Garry Tan 摸索出了一套 GStack 工作流，其核心范式是 计划-工程-审查（Plan-Eng-Review）。

• 上下文预载：在写代码前，让 AI 用 ASCII 代码画出完整的数据流、输入输出、用户动线及报错信息，覆盖状态机、决策树等，以此为 AI 提供完整的上下文。
• CEO Plan 与元提示词：借鉴 Airbnb 创始人 Brian Chesky 的十星级体验理念，逼出产品的完美形态，让 AI 思考 10 倍速的检验标准，从而从隐空间（Latent Space）中提取更优质的方案。
• 互补逻辑：他采取了混合协作模式，Claude Code 适合统筹规划，而 Codex 擅长解决硬核复杂问题与排查 Bug。

薄壳应用与厚技能：智能体工程的关键

Garry Tan 提出了 薄壳应用与厚技能（thin wrappers and fat skills）的观点，这是智能体工程的关键。他认为现在的 AI 应用失败，往往是因为把该用自然语言描述的逻辑硬塞进脆弱的代码里。正确的方式是：

• 用 Markdown 编写非确定性的意图、指令与流程，像给助手写清单一样传递思路。
• API 调用等确定性任务，则交给传统代码处理。

他强调，Markdown 本质也是代码，只是编译方式不同。当下的工程师核心能力，已从单纯编写代码转向编写 Skill。学会划分 LLM 的处理范围与代码逻辑范围，并保持 80%-90% 的高测试覆盖率，才能做出稳定、高效的 AI 应用。

结语：个人 AI 的黄金时代

Garry Tan 认为，我们正处于 AI 时代的“家酿计算机俱乐部”（Homebrew Computer Club）阶段，个人 AI 革命已经到来。无论你是开发者还是创业者，拥有与他相同的 AI 工具和设备。我们面临一个选择：是搭建专属的个人 AI 系统，掌控自己的数据、提示词和工具，还是被动接受大厂的算法黑盒？

Token 最大化的最终意义，是用 Token 买回时间。AI 让每个人都能调用几百万年的机器时间为自己的目标服务。身处 AI 时代，向机器借用时间，换取个人生命的无限延伸，是科技带给人类最珍贵的礼物。真正的掌控者，从放下抗拒、拥抱 AI 协作的那一刻开始。